基于深度学习的完全自动化分级系统,用于干眼疾病的严重程度
Seonghwan Kim1,2,3, Daseul Park4,5, Youmin Shin4,5
1Department of Ophthalmology, Seoul National University College of Medicine, Seoul, Korea.
PloS one
|March 14, 2024
概括
一个新的深度学习系统使用角膜光素染色 (CFS) 图像自动化干眼疾病 (DED) 严重程度分级. 这种人工智能工具具有很高的准确性,为客观的DED临床评估提供了潜力.
科学领域:
- 眼科医生 眼科 眼科
- 人工智能的人工智能
- 医疗成像医学成像
背景情况:
- 干眼病 (DED) 需要客观的分级系统来准确评估严重程度.
- 目前评估DED严重程度的方法可能是主观的,耗时的.
研究的目的:
- 开发和验证基于深度学习的全自动化系统,使用角膜光素染色 (CFS) 图像来评估DED严重程度.
- 评估系统的准确性和在DED管理中临床应用的潜力.
主要方法:
- 开发了一个深度学习系统,使用DED患者的1400张CFS图像进行培训和94张图像进行外部验证.
- 该系统涉及角膜细分,CFS候选区域分类,并通过CFS密度图生成NEI等级估计.
- 使用NEI尺度的专家评分作为系统验证的基本真理.
主要成果:
- 自动化系统实现了高精度,与专家评分相比,相关系数为0.868 (内部) 和0.863 (外部).
- 该系统在评估随着时间的推移疾病的改善或恶化时显示出88%的同意率.
- 角膜细分模型实现了0.962的Dice系数,表明了强大的性能.
结论:
- 一个完全自动化的深度学习系统可以从CFS图像中准确地分级DED严重程度.
- 这种人工智能驱动的方法显示出在DED评估中客观和有效的临床应用的巨大潜力.
